Технології штучного інтелекту для відновлення сільськогосподарських земель
НАУКОВО-МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ІЗ ЗАСТОСУВАННЯ ШІ ДЛЯ ОПЕРАТИВНОГО МОНІТОРИНГУ ПОШКОДЖЕНИХ ЗЕМЕЛЬ
Науково-методичні рекомекомендації розроблені на основі результатів досліджень, проведених на кафедрах комп'ютерних систем, мереж і кібербезпеки, економічної кібернетики та інформаційних систем і технологій Національного університету біоресурсів і природокористування України за темою № РН/65-2024 "Центр трансферу технологій штучного інтелекту для відновлення сільськогосподарських земель".мендації із застосування Ші для оперативного моніторингу пошкоджених земель
Рекомендації розроблені на основі результатів досліджень, проведених на кафедрах комп'ютерних систем, мереж і кібербезпеки, економічної кібернетики та інформаційних систем і технологій Національного університету біоресурсів і природокористування України за темою № РН/65-2024 "Центр трансферу технологій штучного інтелекту для відновлення сільськогосподарських земель"
Укладачі: Глазунова О.Г., Тонха О.Л., Болбот І.М., Кравченко В.М., Руденський Р.А., Циганов О.М., Коваль О.О., Савченко І.В., Саяпін С.П.
Зміст
Вступ
1. ОБҐРУНТУВАННЯ ДОЦІЛЬНОСТІ ВИКОРИСТАННЯ ШІ ДЛЯ ОЦІНКИ ПОШКОДЖЕНЬ ЗЕМЕЛЬНИХ РЕСУРСІВ
2. МОЖЛИВОСТІ АДАПТАЦІЇ(ТРАНСФЕРТНЕ НАВЧАННЯ) НА ПРИКЛАДІ МОДЕЛІ PYCDA
3. МЕТОДИКА НАВЧАННЯ МОДЕЛЕЙ КОМП’ЮТЕРНОГО ЗОРУ НА БАЗІ ЗІБРАНИХ ТА РОЗМІЧЕНИХ ДАНИХ
4. ОСОБЛИВОСТІ ЗАСТОСУВАННЯ ЕВРИСТИЧНИХ АЛГОРИТМІВ ДЛЯ ДЕТЕКЦІЇ КОНТУРІВ
5. ПРОГРАМНА РЕАЛІЗАЦІЯ ПРОЦЕДУРИ ОПТИМІЗАЦІЇ ГІПЕРПАРАМЕТРІВ
6. ОЦІНКА РЕСУРСІВ ДЛЯ РЕКУЛЬТИВАЦІЇ ДЕГРАДОВАНИХ ТЕРИТОРІЙ
ВИСНОВКИ
ДОДАТКИ
НАУКОВО-МЕТОДИЧНІ РЕКОМЕНДАЦІЇ ЩОДО КЛАСИФІКАЦІЇ ВИРВ, ВИЗНАЧЕННЯ ОБ’ЄМУ ВИРВ, РІВНІВ ТА ХАРАКТЕРУ ЗАБРУДНЕННЯ, КІЛЬКІСНИХ ПАРАМЕТРІВ ЗАБРУДНЕНЬ ВИБУХОВИМИ РЕЧОВИНАМИ ТА МЕТАЛАМИ
У методичних рекомендаціях на основі теоретичного і практичного узагальнення літературних джерел висвітлено рекомендації з відбору зразків ґрунту, методики для розрахунку рівнів забруднення важкими металами і залишками вибухових речовин на землях, що зазнали мілітарної деградації внаслідок збройної агресії росії. Науково обґрунтовано нормування екологічного ризику і навантаження на порушені землі внаслідок воєнних дій. Методичні рекомендації призначені для фахівців державних установ, які відповідають за формування державної політики у галузі охорони і раціонального використання земель, землевласників і землекористувачів, керівників сільськогосподарських підприємств.
Рекомендації розроблені на основі результатів науково-дослідної роботи по темі № РН/65-2024 в межах задекларованої тематики "Центр трансферу технологій штучного інтелекту для відновлення сільськогосподарських земель"
Автори:
доктор с.-г. наук, професор Тонха О.Л.
доктор педаг. наук, професор Глазунова О.Г.
доктор с.-г. наук, професор Забалуєв В.О.
доктор с.-г. наук, професор Літвінов Д.В.
кандидат с.-г. наук, доцент Піковська О.В.
кандидат. с.-г. наук, доцент Забалуєв С.В.
кандидат. біол. наук, доцент Паренюк О.Ю.
Рецензенти:
доктор с.-г. наук, професор Булигін С.Ю.
доктор с.-г. наук, професор Балаєв А.Д.
Зміст
1. ТЕОРЕТИЧНІ І ПРАКТИЧНІ АСПЕКТИ ДОСЛІДЖЕННЯ
2. ХАРАКТЕРИСТИКА МІЛІТАРНОЇ ДЕГРАДАЦІЇ ҐРУНТОВОГО ПОКРИВУ
3. КЛАСИФІКАЦІЯ ТА МЕТОДИКА ОЦІНКИ МІЛІТАРНОГО ЗАБРУДНЕННЯ ГРУНТІВ
3.1. Схеми відбору проб ґрунту за мілітарного забруднення
3.2 Класифікація деградаційних змін у ґрунтах, обумовлених воєнними діями
3.3. Контроль за забрудненням ґрунтів
3.4. Оцінювання стану ґрунтів
3.5. Оцінювання небезпеки забруднення ґрунту хімічними речовинами
3.6. Санітарні та біологічні показники оцінювання стану ґрунтів
3.7. Класифікація ґрунтів за впливом хімічних забруднюючих речовин
3.8. Гігієнічне оцінювання ґрунтів населених пунктів
Кравченко В.М., Руденський Р.А., Волошин С.М., Корольчук В.І., Волошина Т.В. ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ ПРОЄКТІВ МАШИННОГО НАВЧАННЯ В АГРОПРОМИСЛОВОМУ КОМПЛЕКСІ: МЕТОДИ ТА ПІДХОДИ ДО ПІДГОТОВКИ ДАНИХ № 10(38) (2024): Наука і техніка сьогодні с. 1281-1293Анотація. Стрімкий розвиток технологій штучного інтелекту, зокрема машинного навчання, відкриває нові можливості для підвищення ефективності та продуктивності агропромислового комплексу, оскільки зростає потреба в автоматизації та оптимізації процесів сільського господарства України. Машинне навчання дозволяє вирішувати складні завдання, такі як прогнозування врожайності, виявлення хвороб рослин, оптимізація використання добрив та води тощо. Для ефективного застосування моделей машинного навчання необхідно забезпечити високу якість, кількість доступних даних та їх релевантність. Дана стаття присвячена актуальним питанням інформаційного забезпечення проєктів машинного навчання в агропромисловому комплексі. Авторами розглянуто різні аспекти підготовки даних, що є основою для побудови ефективних моделей машинного навчання аграрного сектору України, враховуючи специфіку даних у цій галузі. У роботі спроєктовано загальна структуру сховища для підготовки даних, призначених для тренування моделей машинного навчання, а також представлено схему загальної процедури тренування. У результаті проведеного дослідження запропоновано методи підготовки даних для проектів машинного навчання в агропромисловому комплексі, а також описано комплекс моделей підготовки даних для навчання прогностичної моделі. Практична значущість роботи полягає в тому, що отримані результати можуть бути використані для підвищення ефективності розробки та впровадження моделей машинного навчання в агропромисловому комплексі. Ця стаття буде корисна для дослідників в галузі агропромисловості та штучного інтелекту, зокрема машинного навчання; фахівців, які займаються розробкою моделей машинного навчання для вирішення задач в сільському господарстві; студентів та аспірантів, які вивчають сучасні технології в агропромисловому комплексі.